Fugu-MT 論文翻訳(概要): Diffusion Models for Earth Observation Use-cases: from cloud removal to urban change detection

論文の概要: Diffusion Models for Earth Observation Use-cases: from cloud removal to urban change detection

arxiv url: http://arxiv.org/abs/2311.06222v1
Date: Fri, 10 Nov 2023 18:24:25 GMT
ステータス: 処理完了
システム内更新日: 2023-11-13 14:14:26.404842
Title: Diffusion Models for Earth Observation Use-cases: from cloud removal to urban change detection
Title（参考訳）: 地球観測利用のための拡散モデル:雲除去から都市変化検出まで
Authors: Fulvio Sanguigni, Mikolaj Czerkawski, Lorenzo Papa, Irene Amerini, Bertrand Le Saux
Abstract要約: 本研究では,衛星画像データへの拡散に基づくアプローチの可能性を示す3つのユースケースを提案し,分析する。すなわち、クラウドの除去と塗装、変更検出タスクのためのデータセット生成、都市再計画に取り組む。
参考スコア（独自算出の注目度）: 31.572818380518914
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The advancements in the state of the art of generative Artificial Intelligence (AI) brought by diffusion models can be highly beneficial in novel contexts involving Earth observation data. After introducing this new family of generative models, this work proposes and analyses three use cases which demonstrate the potential of diffusion-based approaches for satellite image data. Namely, we tackle cloud removal and inpainting, dataset generation for change-detection tasks, and urban replanning.
Abstract（参考訳）: 拡散モデルによってもたらされる生成型人工知能(ai)の現状の進歩は、地球観測データを含む新しい文脈において非常に有益である。この新たな生成モデルを導入した後、衛星画像データへの拡散に基づくアプローチの可能性を示す3つのユースケースを提案し、分析する。すなわち、クラウドの除去と塗装、変更検出タスクのためのデータセット生成、都市再計画に取り組む。

関連論文リスト

Diffusion Models in Low-Level Vision: A Survey [82.77962165415153]
拡散モデルに基づくソリューションは、優れた品質と多様性のサンプルを作成する能力で広く称賛されている。本稿では,3つの一般化拡散モデリングフレームワークを提案し,それらと他の深層生成モデルとの相関関係について検討する。医療、リモートセンシング、ビデオシナリオなど、他のタスクに適用された拡張拡散モデルについて要約する。
論文参考訳（メタデータ） (2024-06-17T01:49:27Z)
Enhancing Weather Predictions: Super-Resolution via Deep Diffusion Models [0.0]
本研究では,気象データの超解像に対するディープラーニング拡散モデルの適用について検討した。本稿では,低分解能気象データを高分解能出力に変換する手法を提案する。
論文参考訳（メタデータ） (2024-06-06T14:15:12Z)
Urban Air Pollution Forecasting: a Machine Learning Approach leveraging Satellite Observations and Meteorological Forecasts [0.11249583407496218]
大気汚染は公衆衛生、特に都市部において重大な脅威となる。本研究では, センチネル5P衛星のデータ, 気象条件, トポロジカル特性を統合し, 5つの主要な汚染物質の将来レベルを予測する機械学習モデルを提案する。
論文参考訳（メタデータ） (2024-05-30T10:02:53Z)
SatSynth: Augmenting Image-Mask Pairs through Diffusion Models for Aerial Semantic Segmentation [69.42764583465508]
我々は,地球観測における注釈付きデータの不足に対処するために,生成的画像拡散の可能性を探る。我々の知る限りでは、衛星セグメンテーションのための画像と対応するマスクの両方を最初に生成する。
論文参考訳（メタデータ） (2024-03-25T10:30:22Z)
DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
論文参考訳（メタデータ） (2024-03-20T04:58:03Z)
Reference-Free Isotropic 3D EM Reconstruction using Diffusion Models [8.590026259176806]
本稿では、参照データや劣化過程に関する事前知識の制限を克服する拡散モデルに基づくフレームワークを提案する。提案手法では, 2次元拡散モデルを用いて連続的に3次元ボリュームを再構成し, 高精度なサンプルデータに適している。
論文参考訳（メタデータ） (2023-08-03T07:57:02Z)
Deceptive-NeRF/3DGS: Diffusion-Generated Pseudo-Observations for High-Quality Sparse-View Reconstruction [60.52716381465063]
我々は,限られた入力画像のみを用いて,スパースビュー再構成を改善するために,Deceptive-NeRF/3DGSを導入した。具体的には,少数視点再構成によるノイズ画像から高品質な擬似観測へ変換する,偽拡散モデルを提案する。本システムでは,拡散生成擬似観測をトレーニング画像集合に徐々に組み込んで,スパース入力観測を5倍から10倍に高めている。
論文参考訳（メタデータ） (2023-05-24T14:00:32Z)
A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文参考訳（メタデータ） (2023-04-14T14:40:32Z)
Multimodal learning-based inversion models for the space-time reconstruction of satellite-derived geophysical fields [40.33123267556167]
各種の衛星センサーは、衛星軌道による異なるサンプリングパターンの観測データや、大気環境に対する感度を提供する。本稿では,エンドツーエンドの学習手法がマルチモーダル・インバージョン問題に対処するための新しい手段を提供する方法について検討する。本手法は,衛星から得られた海面温度画像から適切な情報を抽出し,衛星高度データからの海面電流の復元をいかに進めるかを示す。
論文参考訳（メタデータ） (2022-03-20T20:37:03Z)
Toward Foundation Models for Earth Monitoring: Proposal for a Climate Change Benchmark [95.19070157520633]
近年の自己スーパービジョンの進歩は、大量の教師なしデータ上で大規模なニューラルネットワークを事前訓練することで、下流タスクの一般化が著しく増加することを示している。基礎モデルとして最近作られたそのようなモデルは、自然言語処理の分野に転換してきた。気候変動に関連する様々な下流タスクからなる新しいベンチマークを開発することを提案する。
論文参考訳（メタデータ） (2021-12-01T15:38:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。